当前位置:首页 > 文章列表 > 文章 > python教程 > Python正则提取技巧:str.extract用法解析

Python正则提取技巧:str.extract用法解析

2025-07-09 10:23:44 0浏览 收藏

本篇文章向大家介绍《Python正则提取技巧:str.extract方法详解》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

str.extract是Pandas中用于从字符串中提取结构化信息的方法,它通过正则表达式定义的捕获组来匹配和提取数据,并返回DataFrame;1. 使用str.extract可按正则表达式提取文本中的多个部分,如单词和数字;2. 若匹配失败,默认返回NaN,可用fillna或dropna处理;3. 提取多个匹配项应使用str.extractall方法,其返回MultiIndex DataFrame;4. 使用命名捕获组(如(?P...))可提升代码可读性,使列名更具意义;5. 对于大数据集,建议预编译正则表达式以提高性能。

怎样用Python处理正则匹配数据?str.extract方法

核心在于str.extract,它能帮你从文本中精准“抠”出你想要的信息,而且是以结构化的方式呈现。

怎样用Python处理正则匹配数据?str.extract方法

解决方案

str.extract是Pandas库中Series对象的一个方法,专门用于提取字符串中的特定部分,这些特定部分由正则表达式定义。它返回一个DataFrame,每一列对应正则表达式中的一个捕获组。

怎样用Python处理正则匹配数据?str.extract方法

基本用法如下:

import pandas as pd

data = {'text': ['apple 123', 'banana 456', 'cherry 789']}
df = pd.DataFrame(data)

# 提取文本中的单词和数字
pattern = r'([a-z]+) (\d+)'
extracted_data = df['text'].str.extract(pattern)

print(extracted_data)

在这个例子中,pattern定义了两个捕获组:一个是小写字母组成的单词,一个是数字。str.extract会找到所有匹配这个模式的文本,并将单词和数字分别放到DataFrame的两列中。

怎样用Python处理正则匹配数据?str.extract方法

如果正则表达式没有匹配到任何内容,str.extract会返回NaN

data = {'text': ['apple 123', 'banana', 'cherry 789']}
df = pd.DataFrame(data)

pattern = r'([a-z]+) (\d+)'
extracted_data = df['text'].str.extract(pattern)

print(extracted_data)

如何处理提取失败的情况?

当正则表达式没有匹配到内容时,str.extract会默认返回NaN。这在数据清洗和分析中可能不太方便。我们可以通过fillna方法将NaN替换为其他值,或者使用dropna方法删除包含NaN的行。

import pandas as pd

data = {'text': ['apple 123', 'banana', 'cherry 789']}
df = pd.DataFrame(data)

pattern = r'([a-z]+) (\d+)'
extracted_data = df['text'].str.extract(pattern)

# 将NaN替换为'Unknown'和0
extracted_data = extracted_data.fillna({'0': 'Unknown', '1': 0})

print(extracted_data)

# 或者删除包含NaN的行
extracted_data = extracted_data.dropna()

print(extracted_data)

如何提取多个匹配项?

如果你的文本中包含多个匹配项,str.extract只会返回第一个匹配项。如果你想提取所有匹配项,可以使用str.extractall方法。

import pandas as pd

data = {'text': ['apple 123 banana 456', 'cherry 789 date 012']}
df = pd.DataFrame(data)

pattern = r'([a-z]+) (\d+)'
extracted_data = df['text'].str.extractall(pattern)

print(extracted_data)

str.extractall返回的是一个MultiIndex DataFrame,第一层索引是原始DataFrame的索引,第二层索引是匹配的顺序。

如何使用命名捕获组?

为了提高代码的可读性,可以使用命名捕获组。命名捕获组的语法是(?P...),其中name是捕获组的名字。

import pandas as pd

data = {'text': ['apple 123', 'banana 456', 'cherry 789']}
df = pd.DataFrame(data)

pattern = r'(?P<fruit>[a-z]+) (?P<number>\d+)'
extracted_data = df['text'].str.extract(pattern)

print(extracted_data)

使用命名捕获组后,str.extract返回的DataFrame的列名就是捕获组的名字,而不是默认的数字。这样可以更清楚地知道每一列代表什么。

性能考量

对于大型数据集,正则表达式的性能可能会成为瓶颈。尽量编写高效的正则表达式,避免使用过于复杂的模式。如果可能,可以考虑使用编译后的正则表达式对象,这样可以提高匹配速度。

import pandas as pd
import re

data = {'text': ['apple 123', 'banana 456', 'cherry 789'] * 1000}
df = pd.DataFrame(data)

pattern = re.compile(r'(?P<fruit>[a-z]+) (?P<number>\d+)')

def extract_with_compile(series, compiled_pattern):
    return series.str.extract(compiled_pattern)

extracted_data = extract_with_compile(df['text'], pattern)

print(extracted_data.head())

预编译正则表达式可以避免每次调用str.extract时都重新编译正则表达式,从而提高性能。

以上就是《Python正则提取技巧:str.extract用法解析》的详细内容,更多关于正则表达式,Pandas,str.extract,捕获组,str.extractall的资料请关注golang学习网公众号!

通灵义码高阶技巧与效率提升秘诀通灵义码高阶技巧与效率提升秘诀
上一篇
通灵义码高阶技巧与效率提升秘诀
Pythonsample随机抽样方法详解
下一篇
Pythonsample随机抽样方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    542次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    509次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    497次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    484次学习
查看更多
AI推荐
  • AI边界平台:智能对话、写作、画图,一站式解决方案
    边界AI平台
    探索AI边界平台,领先的智能AI对话、写作与画图生成工具。高效便捷,满足多样化需求。立即体验!
    359次使用
  • 讯飞AI大学堂免费AI认证证书:大模型工程师认证,提升您的职场竞争力
    免费AI认证证书
    科大讯飞AI大学堂推出免费大模型工程师认证,助力您掌握AI技能,提升职场竞争力。体系化学习,实战项目,权威认证,助您成为企业级大模型应用人才。
    374次使用
  • 茅茅虫AIGC检测:精准识别AI生成内容,保障学术诚信
    茅茅虫AIGC检测
    茅茅虫AIGC检测,湖南茅茅虫科技有限公司倾力打造,运用NLP技术精准识别AI生成文本,提供论文、专著等学术文本的AIGC检测服务。支持多种格式,生成可视化报告,保障您的学术诚信和内容质量。
    514次使用
  • 赛林匹克平台:科技赛事聚合,赋能AI、算力、量子计算创新
    赛林匹克平台(Challympics)
    探索赛林匹克平台Challympics,一个聚焦人工智能、算力算法、量子计算等前沿技术的赛事聚合平台。连接产学研用,助力科技创新与产业升级。
    623次使用
  • SEO  笔格AIPPT:AI智能PPT制作,免费生成,高效演示
    笔格AIPPT
    SEO 笔格AIPPT是135编辑器推出的AI智能PPT制作平台,依托DeepSeek大模型,实现智能大纲生成、一键PPT生成、AI文字优化、图像生成等功能。免费试用,提升PPT制作效率,适用于商务演示、教育培训等多种场景。
    524次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码